Perspectief 1 – EV’s als primaire oplossing#

Dit hoofdstuk onderzoekt of een stijgend aandeel elektrische voertuigen (EV’s) leidt tot lagere CO₂‑uitstoot van nieuw geregistreerde auto’s.
We gebruiken twee visualisaties:

  1. Lijngrafiek – EV‑aandeel per land (2010‑2023)

  2. Scatter + slider – EV‑aandeel vs CO₂‑uitstoot per land/jaar

Hide code cell source
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
import seaborn as sns
from IPython.display import display

%matplotlib inline

cars = pd.read_csv('data/cars_by_fuel.csv')
co2  = pd.read_csv('data/co2_new_cars.csv')


tmp = {}                     
for _, r in cars.iterrows():
    key = f"{r.geo}-{r.TIME_PERIOD}"
    tmp.setdefault(key, {'geo': r.geo, 'year': int(r.TIME_PERIOD),
                         'elc': 0, 'total': 0})
    if r.mot_nrg == 'ELC':
        tmp[key]['elc'] = r.OBS_VALUE
    elif r.mot_nrg == 'TOTAL':
        tmp[key]['total'] = r.OBS_VALUE

for _, r in co2.iterrows():
    key = f"{r.geo}-{r.TIME_PERIOD}"
    if key in tmp:
        tmp[key]['co2'] = r.OBS_VALUE

df = (pd.DataFrame(tmp.values())
        .dropna(subset=['co2'])
        .assign(evShare=lambda d: d.elc / d.total * 100))

focus = df[df.geo.isin(['NL', 'DE', 'NO', 'PL', 'FR', 'ES'])] 
code2name = dict(NL='Nederland', DE='Duitsland', NO='Noorwegen',
                 PL='Polen',     FR='Frankrijk', ES='Spanje')

Visualisatie 1.1 – EV‑aandeel per land (2010‑2023)#

Interpretatie
Noorwegen springt eruit met het hoogste EV‑aandeel, terwijl Polen en Spanje achterblijven. Beleidskeuzes en laadinfrastructuur blijken bepalend.

Visualisatie 1.2 – CO₂‑uitstoot vs. EV‑aandeel (slider)#

Ook hier zien we een negatieve correlatie: landen met een groter EV‑aandeel hebben doorgaans lagere gemiddelde CO₂‑uitstoot per kilometer.